打印文章

时间限制:9000/3000 MS(Java / Others)内存限制:131072/65536
K(Java / Others)

总共提交:14521已接受提交:4531

问题描述
零有一台旧的打印机,有时不能正常工作。由于它是古董,他仍然喜欢用它来打印文章。但是长时间工作太旧,肯定会磨损,所以用零成本来评价这个程度。

有一天,零想要打印一个有N个单词的文章,而每个单词我有一个打印费用Ci。另外,零知道在一行中打印k个字将花费




M是常数。

现在,零想要知道最低成本,以完美安排文章。
 
输入
有很多测试用例。对于每个测试用例,第一行有两个数字N和M(0≤n≤500000,0≤M≤1000)。然后,在接下来的2到N
+ 1行中有N个数字。输入由EOF终止。
 
产量
一个数字,意思是打印文章的最低成本。
 
示例输入
5 5

9

7
 
示例输出
230
 
作者

Xnozero

斜率优化dp

我们以这道题为例

我们由题很容易写出dp方程,设f[i]为打印前i个位置的最小代价,则f[i] = min{f[j] + (sum[i] - sum[j])^2} + M

这样做是O(n^2)的复杂度

这个时候就需要斜率优化了

我们设k < j < i,若j比k优,则由状态转移方程有

f[j] + (sum[i] - sum[j])^2 < f[k] + (sum[i] - sum[k])^2

整理一下就是((f[j] + sum[j]^2) - (f[k] + sum[k]^2)) / (2 * sum[j] - 2 * sum[k]) < sum[i]

我们令y1 = f[j] + sum[j]^2 ,y2 = f[k] + sum[k]^2,x1 =2 * sum[j] ,x2 = 2 * sum[k]

那么就可以写成(y1 - y2)/(x1 - x2) < sum[i]

也就是说当j,k代表的两个点的斜率满足这个不等式时,j恒比k优

有什么用呢?

我们设k < j <p,且K(p,j) < K(j,k),

那么若K(p,j) < sum[i],则p比j优

若K(p,j) >= sum[i],由于K(j,k) > K(p,j) > sum[i],则j不比k优,就是说k比j优

即j一定没有贡献

这样子我们只需维护点间的斜率单调【这题是递增】,对于每个f[i],我们只需找到最大的K<sum[i],那么该斜率对应直线的右端点就是我们要找的最优的转移

怎么找最大的K呢?

由于我们维护的是斜率单调,即K递增,我们可以二分

特殊的,本题参照物sum是单调递增的,也就是说满足小于sum[i - 1]的一定满足小于sum[i],用一个单调队列维护就好了

于是我们得到了本题的解

一般地,对于状态转移方程dp[i] = dp[j] + f(i,j),若能转换成上述与斜率有关的不等式,都可以用斜率优化,O(n^2)转O(n),是不是很神奇?

另外,若dp[i] = dp[j] + f(i),也就是说我们只需找最优的dp[j]与当前点无关,就可以用单调队列优化

附上本题代码

#include<iostream>
#include<cstdio>
#include<cstring>
#include<algorithm>
#define LL long long int
#define REP(i,n) for (int i = 1; i <= (n); i++)
#define fo(i,x,y) for (int i = (x); i <= (y); i++)
#define Redge(u) for (int k = head[u]; k != -1; k = edge[k].next)
using namespace std;
const int maxn = 500005,maxm = 100005,INF = 1000000000;
inline int read(){
int out = 0,flag = 1;char c = getchar();
while (c < 48 || c > 57) {if (c == '-') flag = -1; c = getchar();}
while (c >= 48 && c <= 57) {out = out * 10 + c - 48; c = getchar();}
return out * flag;
}
int n,M,sum[maxn],q[maxn],f[maxn],head = 0,tail = 0;
int getu(int u,int v){return (f[u] + sum[u] * sum[u]) - (f[v] + sum[v] * sum[v]);}
int getd(int u,int v){return 2 * (sum[u] - sum[v]);}
int getf(int i,int j){return f[j] + (sum[i] - sum[j]) * (sum[i] - sum[j]) + M;}
int main()
{
while (~scanf("%d%d",&n,&M)){
head = tail = 0;
REP(i,n) sum[i] = sum[i - 1] + read();
q[tail++] = 0;
for (int i = 1; i <= n; i++){
while (head + 1 < tail && getu(q[head + 1],q[head]) <= sum[i] * getd(q[head + 1],q[head]))
head++;
f[i] = getf(i,q[head]);
while (head + 1 < tail && getu(i,q[tail - 1]) * getd(q[tail - 1],q[tail - 2]) <= getu(q[tail - 1],q[tail - 2]) * getd(i,q[tail - 1]))
tail--;
q[tail++] = i;
}
printf("%d\n",f[n]);
}
return 0;
}

HDU3507 print article【斜率优化dp】的更多相关文章

  1. HDU3507 Print Article —— 斜率优化DP

    题目链接:https://vjudge.net/problem/HDU-3507 Print Article Time Limit: 9000/3000 MS (Java/Others)    Mem ...

  2. HDU3507 Print Article(斜率优化dp)

    前几天做多校,知道了这世界上存在dp的优化这样的说法,了解了四边形优化dp,所以今天顺带做一道典型的斜率优化,在百度打斜率优化dp,首先弹出来的就是下面这个网址:http://www.cnblogs. ...

  3. hdu3507 Print Article[斜率优化dp入门题]

    Print Article Time Limit: 9000/3000 MS (Java/Others)    Memory Limit: 131072/65536 K (Java/Others)To ...

  4. [hdu3507 Print Article]斜率优化dp入门

    题意:需要打印n个正整数,1个数要么单独打印要么和前面一个数一起打印,1次打印1组数的代价为这组数的和的平方加上常数M.求最小代价. 思路:如果令dp[i]为打印前i个数的最小代价,那么有 dp[i] ...

  5. HDU3507 Print Article (斜率优化DP基础复习)

    pid=3507">传送门 大意:打印一篇文章,连续打印一堆字的花费是这一堆的和的平方加上一个常数M. 首先我们写出状态转移方程 :f[i]=f[j]+(sum[i]−sum[j])2 ...

  6. hdu 3507 Print Article(斜率优化DP)

    题目链接:hdu 3507 Print Article 题意: 每个字有一个值,现在让你分成k段打印,每段打印需要消耗的值用那个公式计算,现在让你求最小值 题解: 设dp[i]表示前i个字符需要消耗的 ...

  7. Print Article /// 斜率优化DP oj26302

    题目大意: 经典题 数学分析 G(a,b)<sum[i]时 a优于b G(a,b)<G(b,c)<sum[i]时 b必不为最优 #include <bits/stdc++.h& ...

  8. hdu 3507 Print Article —— 斜率优化DP

    题目:http://acm.hdu.edu.cn/showproblem.php?pid=3507 设 f[i],则 f[i] = f[j] + (s[i]-s[j])*(s[i]-s[j]) + m ...

  9. hdu3507Print Article(斜率优化dp)

    Print Article Time Limit: 9000/3000 MS (Java/Others)    Memory Limit: 131072/65536 K (Java/Others)To ...

  10. HDU-3507Print Article 斜率优化DP

    学习:https://blog.csdn.net/bill_yang_2016/article/details/54667902 HDU-3507 题意:有若干个单词,每个单词有一个费用,连续的单词组 ...

随机推荐

  1. Struts 2(一):初识Struts

    [很久以前的笔记,后续继续完善] 在了解Struts 2框架之前,首先了解一下Model 1和Model 2架构,以及它们的优缺点. 1.1 Model 1架构模式 Model 1的核心是JSP文件, ...

  2. 强化学习读书笔记 - 10 - on-policy控制的近似方法

    强化学习读书笔记 - 10 - on-policy控制的近似方法 学习笔记: Reinforcement Learning: An Introduction, Richard S. Sutton an ...

  3. 人脸检测及识别python实现系列(6)——终篇:从实时视频流识别出“我”

    人脸检测及识别python实现系列(6)——终篇:从实时视频流识别出“我” 终于到了最后一步,激动时刻就要来临了,先平复一下心情,把剩下的代码加上,首先是为Model类增加一个预测函数: #识别人脸 ...

  4. .NET工程师 技能清单

    第一次写博客,先说自己对自己的职业定位.NET全栈跨语言工程师 .首先说明自己是微软的狂热粉丝,几乎所有技术都在.NET下进行. 接下来对微软目前的.NET上的技术进行进一步了解,列出一个清单或者说是 ...

  5. CsvHelper文档-5配置

    CsvHelper文档-5配置 CsvHelper库被设计成快速且简单易用,但是有时候默认的是设置不符合要求,需要你自己改变一些东西.所以csvHelper内置了很多自定义设置选项来改变读写行为.特别 ...

  6. 技本功丨收藏!斜杠青年与你共探微信小程序云开发(下篇)

    2019年2月26日,人们为了一个杯子疯了一天. 星巴克猫爪杯,一场已经与猫无关了的“圣杯战争“.网上的倒卖价格,已炒至近千元! 求而不得,舍而不能,得而不惜.这是人最大的悲哀... 所以,请珍惜以下 ...

  7. 当Kubernets遇上阿里云 -之七层负载均衡(一).

    我们知道Kubernetes的service只能实现基于4层的负载均衡,无法提供7层之上的许多特性,诸如基于URL的负载均衡,SSL支持,三方授权等等:Ingress可以实现七层负载均衡的许多功能,唯 ...

  8. iPhone上的CPU架构,核数以及运行内存

    机型 CPU架构 CPU名 CPU位数 CPU核数 运行内存 iPhone 5 ARMv7s A6 32bit 双核 1G iPhone 5c ARMV7s A6 32bit 双核 1G iPhone ...

  9. C++ STL中的Binary search(二分查找)

    这篇博客转自爱国师哥,这里给出连接https://www.cnblogs.com/aiguona/p/7281856.html 一.解释 以前遇到二分的题目都是手动实现二分,不得不说错误比较多,关于返 ...

  10. WCF传送大数据时的错误“ 超出最大字符串内容长度配额”

    格式化程序尝试对消息反序列化时引发异常: 尝试对参数 http://tempuri.org/ 进行反序列化时出错: GetLzdtArticleResult.InnerException 消息是“反序 ...